CN105303898B - 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 - Google Patents
一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 Download PDFInfo
- Publication number
- CN105303898B CN105303898B CN201510645239.9A CN201510645239A CN105303898B CN 105303898 B CN105303898 B CN 105303898B CN 201510645239 A CN201510645239 A CN 201510645239A CN 105303898 B CN105303898 B CN 105303898B
- Authority
- CN
- China
- Prior art keywords
- parameter
- mrow
- msub
- mtd
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种空中交通管制模拟仿真异常检测方法和装置，该方法包括：采集模拟数据，通过雷达管制模拟机采集至少一个管制员从其上输入的多种模拟参数；数据无量纲化处理，将采集到的模拟参数进行无量纲化转换，并将无量纲化转化后的多组参数进行协方差矩阵运算；对每组无量纲化后的模拟参数对应的主成分依次乘以预定的因子，然后累加求和；根据累加求和后的值得到综合指标值；因此，可以得到每组数据经过主成分分析后的综合指标值；进一步地，可以根据多个管制员操作的综合指标值排名，将综合指标值排名最后的若干名标记为异常数据。
Description
技术领域
本发明涉及一种空中交通管制的技术领域，尤其涉及一种空中交通管制模拟仿真异常检测方法和装置。
背景技术
为了保证各类飞行活动的安全和有序，空中交通管制服务显得相当重要。现代空中交通管制服务的主要内容是：空中交通管制员依托现代通信、导航、监视技术，对所辖航空器实施管理和控制，协调和指导其运动路径和模式，以防止空中航空器与航空器相撞、以及在机场机动区内航空器与障碍物相撞，维护和加快空中交通的有序流动。空中交通管制扇区是空中交通管制的基本空间单元，一般情况下，为航空器提供空中交通管制服务的空域被划设为若干管制扇区，每个管制扇区对应一个管制员工作席位。为了保证管制员能够高效、准确地控制空域中的航空器有序流动，现有技术中提供一些模拟空中交通管制控制的模拟仿真装置和方法。
例如，中国专利申请号为CN201410487083.1的专利申请中公开了一种基于虚拟管制员的空域仿真方法及其装置，该方法包括：获取预设的飞行计划和航迹冲突规则及风条件；若判断获知飞行计划和航迹冲突规则合法，则获取航空器性能数据；根据飞行计划、风条件及航空器性能数据获得航空器的第一轨迹信息，并检测是否接收到管制指令；若检测到管制指令，则根据航空器性能数据、航迹冲突规则以及管制指令，获得航迹冲突统计信息；若未检测到管制指令，则根据航空器性能数据、航迹冲突规则以及第一轨迹信息，获得航迹冲突统计信息；从而提高仿真的实时性。
但是实际的空域管制中，会出现很多意料不到的问题，仅仅靠现有技术中的模拟仿真装置和方法，很难满足对空中交通管制过程进行全面、综合仿真、检测的需求；而且发明人在实现本发明的过程中发现，现有技术中的模拟仿真方法和装置并不能提示提示管制员在仿真过程中的异常错误信息。
发明内容
为了解决现有技术中缺乏能够对空中交通管制过程进行全面、综合仿真、检测和异常信息提示的技术问题，本发明提供一种能够很好地仿真、检测管制人员操作过程的空中交通管制模拟仿真异常检测方法和装置
为了实现上述目的，本发明提供的技术方案包括：
一方面，提供一种空中交通管制模拟仿真异常检测方法，其特征在于，该方法包括：
步骤1：采集模拟数据，通过雷达管制模拟机采集管制员从其上输入的多种模拟参数；所述模拟参数类型包括管制通行性参数、管制复杂性参数、管制安全性参数、管制经济性参数、管制工作负荷参数；
步骤2：数据无量纲化处理，将采集到的模拟参数进行无量纲化转换为无量纲化参数；
步骤3：对无量纲化参数进行主成分分析，获得交通管制综合指标值；
步骤4：对交通管制综合指标值进行排序，筛选一定范围的排序结果进行警告提醒。
进一步地，所述管制通行性参数包括管制员仿真测试的时长、扇区航行里程、扇区航行时间、扇区交通流密度，所述管制复杂性参数包括扇区航空器爬升次数、扇区航空器下降次数、扇区航空器改速次数、扇区航空器改行次数，所述管制安全性参数包括扇区短期冲突告警频率、扇区最低安全高度告警频率，所述管制经济性参数包括扇区内航空器的排队长度、航空器延误架次率、航空器延误时间、航空器平均延误时间，所述管制工作负荷参数包括陆空通话信道占用率、陆空通话次数。
进一步地，所述步骤2具体包括：
以第i个管制员的交通管制综合指标值为因变量，记为Ei,管制员输入的多种模拟参数共计16项，记自变量为：
xi＝{xi,j,j＝1,2,...,16}
第i个管制员的第j项参数的实际值为xi,j，以多个管制员输入的多种模拟参
数,组成样本集；该样本集中，管制员的数量为n，即样本的数量为n，其中
n>16，模拟参数量为16个，构建n×16的参数矩阵X，即：
记自变量的无量纲化参数为：
yi＝{yi,j,j＝1,2,...,16}
yi,j为第i个管制员样本无量纲化处理后的第j项参数值，为第j项参
数的均值sj为第j项参数的标准差则
对于正向参数，
对于逆向参数，先取其倒数或取负获得正向化过渡参数Xj'＝(x1,j',x2,j',...,xn,j')T即：
或xi,j'＝-xi,j
及其均值标准差sj'，
再进行无量纲化处理，
进一步地，所述步骤3具体包括：
无量纲化处理后，16项模拟参数的协方差矩阵构成相关系数矩阵，计算相关系数矩阵的特征值λj并按从大到小排序，第j大的特征值λj所对应的特征向量εj就是参数矩阵X的第i个主成分，因此对于第i个管制员的样本参数数据的第j个主成分表示为：
Ei,j＝yi×εj＝εj,1yi,1+εj,2yi,2+...+εj,16yi,16,j＝1,2,...,16
第j个主成分的贡献率为：
取m个主成分，使累计贡献率达到80％以上：
其中，m是指主成分累计贡献率达到80％以上时对应的主成分个数；
计算管制员i的交通管制综合指标值
进一步地，所述方法还包括在对所述操作结果进行排序的步骤。
进一步地，所述方法还包括对每组模拟参数计算结果排序后，进行筛选的步骤。
进一步地，所述步骤4中的所述排序为按照管制员交通管制综合指标值从大到小进行排序，筛选最后的20％进行警告提示。
另一方面，本发明还提供一种空中交通管制模拟仿真异常检测装置，其特征在于，该装置包括：
雷达管制模拟机，用于采集至少一个管制员从其上输入的多种模拟参数；
数据无量纲处理单元，用于将采集到的模拟参数进行无量纲化转换；
协方差矩阵运算单元，将所述无量纲化转换后的参数进行协方差矩阵处理；
主成分分析单元，用于对每组无量纲化后的模拟参数对应的主成分依次乘以预定的因子，然后累加求和；
数据输出单元，用于存储主成分分析单元累加求和后的值对应的管制员操作结果。
采用本发明提供的上述技术方案，至少可以获得以下有益效果中的一种：
1、将雷达管制模拟机中采集的模拟参数，进行主成分分析，可以快速地得到每组数据经过主成分分析后的综合指标值，并可以分析每组数据是否达到阈值；进一步地，可以根据多个管制员操作的综合指标值排名，将综合指标值排名最后的若干名标记为异常数据，提供了一种方便供管制员训练用的空中交通管制模拟仿真异常检测方法和装置。
2、进一步地，对所述多组参数进行排序，可以有效地分析多组参数中每组参数对应的仿真操作效果。
3、进一步地，对排序后的参数进行筛选和警告步骤，可以有效地得到仿真操作过程中对操作状态不佳进行异常警示。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书变得显而易见，或者通过实施本发明的技术方案而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实现和获得。
附图说明
图1为本发明实施例一提供的一种空中交通管制模拟仿真异常检测方法的流程图；
图2为本发明实施例一提供的一种空中交通管制模拟仿真异常检测装置的框图；
图3为本发明实施例一提供的另一种空中交通管制模拟仿真异常检测方法的流程图；
图4为本发明实施例一提供的另一种空中交通管制模拟仿真异常检测装置的框图；
图5为本发明实施例二提供的一种空中交通管制模拟仿真异常检测方法的流程图；
图6为本发明实施例二提供的一种空中交通管制模拟仿真异常检测装置的框图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，这些具体的说明只是让本领域普通技术人员更加容易、清晰理解本发明，而非对本发明的限定性解释；并且只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
另外，在附图的流程图示出的步骤可以在诸如一组控制器可执行指令的控制系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
下面通过附图和具体实施例，对本发明的技术方案进行详细描述。
实施例一
如图1所示，本实施例提供一种空中交通管制模拟仿真异常检测方法，该方法包括：
S101、采集模拟数据：
通过雷达管制模拟机采集至少一个管制员从其上输入的多种模拟参数。其中，雷达管制模拟机具有高精确度和逼真度的航空器运动仿真模型；模拟真实管制系统的人机界面，提供模拟真实系统的雷达管制和飞行情报显示人机界面并可选，实现了终端管制显示和操作与真实系统的最大程度仿真；具有以下特点：
能够建立全国或局部空域背景图集、标准飞行过程、飞行计划等，能够设置训练所涉及的雷达类型和参数、地面和天气杂波以及风、云等气象参数等。
雷达管制训练功能，系统可仿真单/综合雷达航迹、一/二次雷达点迹和航迹、飞行情报、气象情报、航空情报等各种信号，并能够提供符合我国民航相关规定的各种训练科目；还能够与塔台模拟机无缝集成，实现大规模、大范围、全面的综合训练。
提供数字话音通信和集成的自动语音识别合成系统，系统实现了全数字式仿真话音通讯系统，并通过集成语音识别及合成引擎实现了管制话音指令的自动识别和应答话音的自动合成功能。
图形化的训练全过程监视、控制和记录，雷达管制模拟机提供了从开机、启动训练、修改训练参数、结束训练到关闭整个系统的全过程图形化监视和控制，并能够对训练全过程进行记录，对训练进行在线回滚和事后回放。
雷达管制模拟机还提供真实信号的接入与处理，以及基于真实信号的训练模式，系统能接收和处理国内各种航管雷达数据，实时呈现当前的真实空情，能够将实时或历史记录的雷达和飞行情报数据自动提取并转换为模拟训练科目。
优选地，管制员输入参数类型包括管制通行性参数、管制复杂性参数、管制安全性参数、管制经济性参数、管制工作负荷参数。
优选地，管制通行性参数包括管制员仿真测试的时长、扇区航行里程、扇区航行时间、扇区交通流密度，管制复杂性参数包括扇区航空器爬升次数、扇区航空器下降次数、扇区航空器改速次数、扇区航空器改行次数，管制安全性参数包括扇区短期冲突告警频率、扇区最低安全高度告警频率，管制经济性参数包括扇区内航空器的排队长度、航空器延误架次率、航空器延误时间、航空器平均延误时间，管制工作负荷参数包括陆空通话信道占用率、陆空通话次数。
其中，管制员仿真测试时长是指管制员完成仿真测试所花费的时间；扇区航行里程是指管制员在仿真测试中所指挥的航空器航行里程的总和；扇区航行时间是指管制员在仿真测试中所指挥的航空器航行时间的总和；扇区交通流密度是对管制员在仿真测试中所指挥的航空器架次密集程度的测度；扇区航空器爬升次数是指管制员在仿真测试中所指挥的航空器爬升次数的总和；扇区航空器下降次数是指管制员在仿真测试中所指挥的航空器下降次数的总和；扇区航空器改速次数是指管制员在仿真测试中所指挥的航空器速度改变次数的总和；扇区航空器改航次数是指管制员在仿真测试中所指挥的航空器航向改变次数的总和；扇区短期冲突告警频率是指管制员在仿真测试中产生航空器短期冲突告警的次数；扇区最低安全高度告警频率是指管制员在仿真测试中产生航空器最低安全高度告警的次数；如果航空器进入扇区时出现盘旋等待等排队状况，则定义其为排队航空器，定义排队长度为排队航空器的数量；航空器延误架次率为航空器的延误架次除以仿真测试中飞行计划的总共航空器数量；航空器延误时间为每个航空器延误时间的共和；航空器平均延误时间为航空器延误时间除以总共延误的航班次数；陆空通话信道占用率指管制员在仿真测试时长内陆空通话时长占比；陆空通话次数是指管制员仿真测试中陆空通话的次数。
进一步优选地，选取管制员仿真测试的16项参数进行主成分分析，则对于第i名参加仿真测试的管制员，其数据点有16个维度，可记为：
xi＝{xi,j,j＝1,2,...,16}
以第i名管制员的交通管制综合指标值为因变量，记为Ei；
以多个管制员输入的多种模拟参数,组成样本集；该样本集中，管制员的数量为n，即样本的数量为n，其中n>16，模拟参数量为16个，构建n×16的参数矩阵X，即：
针对每种仿真测试环境，选定不同等级的管制员参加雷达模拟机仿真测试(获取多类样本数据)，针对每名管制员的测试过程采样，得到各样本上述16个参数的输入值，样本数据示例如下所示：
表3.1针对某仿真测试环境的某管制员样本参数
| 指标 | X1(分钟) | X2(分钟) | X3(分钟) | X4(架次/km2/小时) | X5(次) | X6(次) | X7(次) | X8(次) |
| 结果 | 60 | 2892 | 512 | 0.0186 | 23 | 4 | 93 | 301 |
| 指标 | X9(次) | X10(次) | X11(架次) | X12(％) | X13(分钟) | X14(分钟) | X15(％) | X16(次) |
| 结果 | 94 | 92 | 0 | 8.57 | 8 | 2.67 | 42 | 95 |
S102、数据无量纲化处理：
考虑到不同参数间存在量纲不同及数量级的差异，为消除这些差异对主成分分析的影响，需要对参数数据进行标准化转换。管制员操作参数可以分为两类，第一类为正向参数，即值越大越好的参数，包括部分管制通行性参数(扇区航行里程、扇区航行时间、扇区交通流密度)和管制员工作负荷参数(陆空通话信道占用率、陆空通话次数)；第二类为逆向参数，即值越小越好的参数，包括部分管制通行性参数(管制员仿真测试时长)、管制复杂性参数(扇区航空器爬升次数、扇区航空器下降次数、扇区航空器改速次数、扇区航空器改航次数)、管制安全性参数(扇区短期冲突告警频率和扇区最低安全高度告警频率)和管制经济性参数(扇区航空器排队长度、扇区航空器延误架次率、扇区航空器延误时间和扇区航空器平均延误时间)。
令第i个管制员的第j项参数的实际值为xi,j，yi,j为第i个管制员样本无量纲化处理后的第j项参数值，为第j项参数的均值sj为第j项参数的标准差则对于正向参数，对于逆向参数，
先取其倒数或取负获得正向化过渡参数Xj'＝(x1,j',x2,j',...,xn,j')T即：
或xi,j'＝-xi,j
及其均值标准差sj'，
再进行无量纲化处理，
S103、对无量纲化后的数据进行主成分分析：
对每组无量纲化后的模拟参数中各个参数的主成分依次乘以预定的因子，然后累加求和；主成分分析的具体内容如下：
主成分分析(Principal Component Analysis)是一种多元统计方法，它通过建立新坐标轴，寻找使原始数据方差最大的方向，实现降低数据维度并反映原始变量绝大部分信息的作用。
设原始数据为X＝(X1,X2,…,Xp)，其中X1,X2,…,Xp为数据的不同维度，数据X的期望E(X)＝μ，方差var(X)＝∑。设aj＝(aj,1,aj,2,...,aj,p)T,j＝1,2,...,p,均为单位向量，主成分分析需要求得下式中的aj使得下式中Yj的方差最大。
Yj＝aj,1X1+aj,2X2+…+aj,pXp(j＝1,2,…,p)
若第一主成分不能反映原始数据中足够的信息，还应考虑第二主成分，以此类推。假设aj＝t1时，的方差达到最大，最大值为λ1，则称为第一主成分。在协方差cov(Y1,Y2)＝0时，如aj＝t2时，的方差达到最大，最大值为λ2，则称为第二主成分。同理，在协方差cov(Yk,Yj)＝0,(k≠j,k,j＝1,2,…,p)时，当aj＝tj时，的方差达到最大，最大值为λj，称为第i主成分。
总方差中第j个主成分Yj的方差所占的比例称为主成份Yj的贡献率，用于表现该主成分反映原始变量的能力。由主成分的定义可知，p个主成分的贡献率依次递减。前m个主成分的贡献率之和成为前m个主成分的累计贡献率，反映这些主成分解释原始变量的综合能力，常用于确定主成分的选择数目，一般取前m个主成分使其累计贡献率大于或等于80％。
由于在主成分分析方法中主成分量纲的改变会得到不同的Yj值，因此不同量纲下数据大小的差异程度会直接影响主成分计算，从而影响主成分分析结果，所以需要对数据进行无量纲化处理，无量纲化处理指将原始指标值通过简单数学变化以消除各指标量纲影响的方法，常用的无量纲化方法主要包括Z分数法(标准差法)。
本实施例中，无量纲化处理后，16项模拟参数的协方差矩阵构成相关系数矩阵，计算相关系数矩阵的特征值λj并按从大到小排序，第j大的特征值λj所对应的特征向量εj就是参数矩阵X的第i个主成分，因此对于第i个管制员的样本参数数据的第j个主成分表示为：
Ei,j＝yi×εj＝εj,1yi,1+εj,2yi,2+...+εj,16yi,16,j＝1,2,...,16
第j个主成分的贡献率为：
取m个主成分，使累计贡献率达到80％以上：
其中，m是指主成分累计贡献率达到80％以上时对应的主成分个数；
S104、根据累加求和后的值得到管制员操作结果。
对于样本集中第i个管制员的模拟参数数据，结合计算得到的主成分及其贡献率可计算出其模拟操作综合指标值E：
如下表列举了部分模拟操作的输出结果：
表1. 300名管制员模拟操作的主成分分析结果
如图2所示，本实施例的另一方面，还提供一种空中交通管制模拟仿真异常检测装置100，该装置100包括：
雷达管制模拟机101，用于采集至少一个管制员从其上输入的多种模拟参数；
数据无量纲处理单元102，用于将采集到的模拟参数进行无量纲化转换；
主成分分析单元103，用于对每组无量纲化后的模拟参数对应的主成分依次乘以预定的因子，然后累加求和；
数据输出单元104，用于存储主成分分析单元累加求和后的值对应的管制员操作结果。
其中，雷达管制模拟机具有高精确度和逼真度的航空器运动仿真模型；模拟真实管制系统的人机界面，提供模拟真实系统的雷达管制和飞行情报显示人机界面并可选，实现了终端管制显示和操作与真实系统的最大程度仿真；具有以下特点：
能够建立全国或局部空域背景图集、标准飞行过程、飞行计划等，能够设置训练所涉及的雷达类型和参数、地面和天气杂波以及风、云等气象参数等。
雷达管制训练功能，系统可仿真单/综合雷达航迹、一/二次雷达点迹和航迹、飞行情报、气象情报、航空情报等各种信号，并能够提供符合我国民航相关规定的各种训练科目；还能够与塔台模拟机无缝集成，实现大规模、大范围、全面的综合训练。
提供数字话音通信和集成的自动语音识别合成系统，系统实现了全数字式仿真话音通讯系统，并通过集成语音识别及合成引擎实现了管制话音指令的自动识别和应答话音的自动合成功能。
图形化的训练全过程监视、控制和记录，雷达管制模拟机提供了从开机、启动训练、修改训练参数、结束训练到关闭整个系统的全过程图形化监视和控制，并能够对训练全过程进行记录，对训练进行在线回滚和事后回放。
雷达管制模拟机还提供真实信号的接入与处理，以及基于真实信号的训练模式，系统能接收和处理国内各种航管雷达数据，实时呈现当前的真实空情，能够将实时或历史记录的雷达和飞行情报数据自动提取并转换为模拟训练科目。
优选地，本实施例中的雷达管制模拟机101还设置有语音模块，该语音模块101可以采集或者记录管制员在操作雷达管制模拟机101的过程中的时间消耗，这样就可以采集到管制工作负荷参数中的陆空通话信道占用率、陆空通话次数等模拟仿真参数。需要注意的是语音模块还可以是外置于雷达管制模拟机101中的单独设备，并且能够与雷达管制模拟机101进行通信。
采用本实施例提供的上述技术方案，至少可以获得以下有益效果：
将雷达管制模拟机中采集的模拟参数，进行主成分分析，可以快速地得到每组数据经过主成分分析后的综合指标值，并可以分析每组数据是否达到阈值，提供了一种方便供管制员训练用的空中交通管制模拟仿真异常检测方法和装置。
进一步地，采用主成分分析法对管制员在雷达管制模拟机中测试的结果进行操作异常检测时，不需要提前建立样本数据；并且可以快速地得到多个管制员在仿真操作过程中的综合指标值。
如图3所示，在本图1的基础上对空中交通管制模拟仿真异常检测方法中的主成分分析做进一步的优化，具体地：
1、增加步骤S302、在数据无量纲化处理之后，进行协方差矩阵的计算。
2、S306、判断主成分得到的累加求和值是否占整组参数的累加求和值的80％；如果是，执行步骤S307(综合指标值的计算)，否则，将成分i+1之后重新赋予i，然后执行步骤S305和S306。
如图4所示，本实施例在图2的基础上对空中交通管制模拟仿真异常检测装置主成分处理单元做进一步的优化，具体地：
增加了协方差矩阵处理模块231、主成分累计值计算模块232。
实施例二
如图5所示，本实施例在实施例一的基础上对空中交通管制模拟仿真异常检测方法中的主成分分析做进一步的和优化，具体地：
1、增加步骤S508，判断综合指标值排序后的20％，即判断该组数据的综合指标值，是否为所有输入样本中的最后20％，目的是将多组输入数据中综合指标值的计算结果中排在最后的20％分别是哪些组筛选出来；如果是，则执行步骤S510，否则，执行步骤S509。
2、增加步骤S509，输出综合指标值，即判断该综合指标值与预定的标准等级相对比，属于哪一个等级。
3、增加步骤S510，警告提示管制员在模拟管制机上输入的操作状态较差。
如图6所示，本实施例在实施例一的基础上对空中交通管制模拟仿真异常检测装置主成分处理单元做进一步的优化，具体地：
主成分分析单元增加了综合指标数据排序模块333、综合指标数据筛选模块334；以及综合数据输出单元340和警告单元350。
采用本实施例提供的上述技术方案，至少可以获得以下有益效果：
1、对多组参数进行排序，可以有效地分析多组参数中每组参数对应的仿真操作效果。
2、进一步地，对排序后的参数进行筛选和警告步骤，可以有效地得到仿真操作过程中对操作状态不佳进行提示。
最后需要说明的是，上述说明仅是本发明的最佳实施例而已，并非对本发明做任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围内，都可利用上述揭示的做法和技术内容对本发明技术方案做出许多可能的变动和简单的替换等，这些都属于本发明技术方案保护的范围。
Claims (10)
1.一种空中交通管制模拟仿真异常检测方法，其特征在于，该方法包括：
步骤1：采集模拟数据，通过雷达管制模拟机采集至少一个管制员从其上输入的多种模拟参数；所述模拟参数类型包括管制通行性参数、管制复杂性参数、管制安全性参数、管制经济性参数、管制工作负荷参数；
步骤2：数据无量纲化处理，将采集到的模拟参数进行无量纲化转换为无量纲化参数；
步骤3：对无量纲化参数进行主成分分析，获得交通管制综合指标值；
步骤4：对交通管制综合指标值进行排序，筛选一定范围的排序结果进行警告提醒。
2.如权利要求1所述的方法，其特征在于，所述管制通行性参数包括管制员仿真测试的时长、扇区航行里程、扇区航行时间、扇区交通流密度。
3.如权利要求1所述的方法，其特征在于，所述管制复杂性参数包括扇区航空器爬升次数、扇区航空器下降次数、扇区航空器改速次数、扇区航空器改行次数。
4.如权利要求1所述的方法，其特征在于，所述管制安全性参数包括扇区短期冲突告警频率、扇区最低安全高度告警频率。
5.如权利要求1所述的方法，其特征在于，所述管制经济性参数包括扇区内航空器的排队长度、航空器延误架次率、航空器延误时间、航空器平均延误时间。
6.如权利要求1所述的方法，其特征在于，所述管制工作负荷参数包括陆空通话信道占用率、陆空通话次数。
7.如权利要求1所述的方法，其特征在于，所述步骤2包括如下步骤：
以第i个管制员的交通管制综合指标值为因变量，记为Ei,管制员输入的多种模拟参数共计16项，记自变量为：
xi＝{xi,j,j＝1,2,...,16}
第i个管制员的第j项参数的实际值为xi,j，以多个管制员输入的多种模拟参数,组成样本集；该样本集中，管制员的数量为n，即样本的数量为n，其中n>16，模拟参数量为16个，构建n×16的参数矩阵X，即：
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mn>16</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mn>16</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mn>16</mn>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
记自变量的无量纲化参数为：
yi＝{yi,j,j＝1,2,...,16}
yi,j为第i个管制员样本无量纲化处理后的第j项参数值，为第j项参数的均值sj为第j项参数的标准差则对于正向参数，
对于逆向参数，先取其倒数或取负获得正向化过渡参数Xj'＝(x1,j',x2,j',...,xn,j')T即：
或xi,j'＝-xi,j
及其均值标准差sj'，
再进行无量纲化处理，
8.如权利要求1所述的方法，其特征在于，所述步骤3包括如下步骤：
无量纲化处理后，16项模拟参数的协方差矩阵构成相关系数矩阵，计算相关系数矩阵的特征值λj并按从大到小排序，第j大的特征值λj所对应的特征向量εj就是参数矩阵X的第i个主成分，因此对于第i个管制员的样本参数数据的第j个主成分表示为：
Ei,j＝yi×εj＝εj,1yi,1+εj,2yi,2+...+εj,16yi,16,j＝1,2,...,16
第j个主成分的贡献率为：
<mrow>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mi>j</mi>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>16</mn>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
</mrow>
取m个主成分，使累计贡献率达到80％以上：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0.80</mn>
</mrow>
其中，m是指主成分累计贡献率达到80％以上时对应的主成分个数；
计算管制员i的交通管制综合指标值
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
9.根据权利要求1所述的方法，其特征在于，所述步骤4中的所述排序为按照管制员交通管制综合指标值从大到小进行排序，筛选最后的20％进行警告提示。
10.一种空中交通管制模拟仿真异常检测装置，其特征在于，该装置包括：
雷达管制模拟机，用于采集至少一个管制员从其上输入的多种模拟参数，所述模拟参数类型包括管制通行性参数、管制复杂性参数、管制安全性参数、管制经济性参数、管制工作负荷参数；
数据无量纲处理单元，用于将采集到的模拟参数进行无量纲化转换；
协方差矩阵运算单元，将所述无量纲化转换后的参数进行协方差矩阵处理；
主成分分析单元，用于对每组无量纲化后的模拟参数对应的主成分依次乘以预定的因子，然后累加求和；
数据输出单元，用于存储主成分分析单元累加求和后的值对应的管制员操作结果；
告警单元，用于警告提示管制员在模拟管制机上输入的操作状态较差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510645239.9A CN105303898B (zh) | 2015-09-30 | 2015-09-30 | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510645239.9A CN105303898B (zh) | 2015-09-30 | 2015-09-30 | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105303898A CN105303898A (zh) | 2016-02-03 |
| CN105303898B true CN105303898B (zh) | 2017-11-17 |
Family
ID=55201088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510645239.9A Active CN105303898B (zh) | 2015-09-30 | 2015-09-30 | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105303898B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054130B (zh) * | 2016-06-06 | 2019-01-22 | 南京工程学院 | 一种基于music算法的室内定位方法及装置 |
| CN109064019B (zh) * | 2018-08-01 | 2021-08-17 | 中国民航大学 | 一种用于管制员模拟训练效果自动测评的系统及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8295651B2 (en) * | 2008-09-23 | 2012-10-23 | Microsoft Corporation | Coherent phrase model for efficient image near-duplicate retrieval |
| DE102012104391B4 (de) * | 2012-05-22 | 2016-06-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Luftverkehrssteuerungssystem |
| CN104252797B (zh) * | 2014-09-22 | 2016-08-17 | 北京航空航天大学 | 基于虚拟管制员的空域仿真方法及其装置 |
| CN104363134A (zh) * | 2014-11-11 | 2015-02-18 | 成都民航空管科技发展有限公司 | 空管自动化系统的管制移交模拟测试方法、装置及系统 |
-
2015
- 2015-09-30 CN CN201510645239.9A patent/CN105303898B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105303898A (zh) | 2016-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Majumdar et al. | Factors affecting air traffic controller workload: Multivariate analysis based on simulation modeling of controller workload | |
| Herrema et al. | A machine learning model to predict runway exit at Vienna airport | |
| US20060089760A1 (en) | System and method for stochastic aircraft flight-path modeling | |
| TWI794516B (zh) | 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 | |
| Kern et al. | Data-driven aircraft estimated time of arrival prediction | |
| CN109064019A (zh) | 一种用于管制员模拟训练效果自动测评的系统及方法 | |
| CN105118333B (zh) | 一种基于多重回归模型的空中交通管制模拟仿真异常检测方法和装置 | |
| CN105118332B (zh) | 一种基于聚类分析法的空中交通管制模拟仿真异常检测方法和装置 | |
| CN104039008B (zh) | 一种混合定位方法 | |
| CN105303898B (zh) | 一种基于主成分分析的空中交通管制模拟仿真异常检测方法和装置 | |
| CN113361862B (zh) | 一种针对城市环境的无人机风险评估方法及系统 | |
| CN102968553A (zh) | 一种飞行器着陆风险评测方法 | |
| CN113793047A (zh) | 一种飞行员合作交流能力测评方法和装置 | |
| CN111178756B (zh) | 一种基于环境大数据的多元线性回归火灾风险评估方法 | |
| CN109034516A (zh) | 一种管制负荷评估方法及装置 | |
| Torres | Determination and ranking of trajectory accuracy factors | |
| CN116994077A (zh) | 一种复杂风场作用下飞行姿态的回归预测方法 | |
| Raballand et al. | DROSERA: A DROne Simulation Environment for Risk Assessment | |
| CN105261241B (zh) | 基于霍普菲尔德神经网络的空中交通管制模拟仿真异常检测方法和装置 | |
| Sanchez-Perez et al. | Dynamic hierarchical aggregation of parallel outputs for aircraft take-off noise identification | |
| Dong et al. | Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data | |
| CN107808040A (zh) | 基于变尺度空间邻域评估的无人机模型验证方法 | |
| Stanley et al. | Analyzing air traffic controller task times and capacity benefits from new automation capabilities | |
| Signor et al. | Efficient air traffic scenario generation | |
| Medianto et al. | Stochastic modeling of aircraft flight parameters in terminal control area based on automatic dependent surveillance-broadcast (ADS-B) data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |